LoongEnv

Loong项目支持LLM推理的可扩展合成数据生成

研究人员推出Loong，一个开源框架，旨在为训练推理密集型领域的LLM生成和验证合成数据。该框架包括LoongBench，一个包含12个领域人工审核示例的数据集，以及LoongEnv，一个用于生成新的问答代码三元组的环境。该系统旨在克服可验证数据集有限和监督成本高昂的挑战，使LLM能够通过具有可验证奖励的强化学习来改进其链式思维（CoT）推理。